如何用.loc[]修改子集与日期处理以消除SettingWithCopyWarning？

警告原因 #

出现SettingWithCopyWarning的核心原因是：当你通过切片（布尔索引、列选择等）得到DataFrame的子集时，Pandas无法确定这个子集是原数据的视图（和原数据共享内存）还是副本（独立内存）。直接给这类子集赋值时，可能导致原数据意外修改或修改不生效，因此Pandas抛出警告提醒规范操作。

分步修正方案 #

1. 第一次警告（处理Date列时） #

原代码中筛选2023年数据后，df是原DataFrame的切片视图，后续修改Date列触发警告。

• 修改点1：筛选数据时显式创建副本，确保df是独立对象：

  # 原代码
  df = df[df["Date"].str.contains("2023") == True]
  # 修改为
  df = df[df["Date"].str.contains("2023")].copy()
  

• 修改点2：用Pandas内置的pd.to_datetime替代apply+lambda处理日期，更高效简洁：

  # 原代码
  df["Date"] = df["Date"].apply(lambda x: datetime.strptime(str(x), "%d-%m-%Y"))
  # 修改为
  df["Date"] = pd.to_datetime(df["Date"], format="%d-%m-%Y")
  

2. 第二次警告（给df_XRL添加Month/Week day列时） #

df_XRL是从df切片得到的子集，同样需要显式创建副本：

• 修改点1：创建df_XRL时添加.copy()：

  # 原代码
  df_XRL = df[df["Control Point"].str.contains("Heung Yuen Wai") & df["Arrival / Departure"].str.contains("Departure")]
  # 修改为
  df_XRL = df[df["Control Point"].str.contains("Heung Yuen Wai") & df["Arrival / Departure"].str.contains("Departure")].copy()
  

• 修改点2：用Datetime列的dt属性提取月份和星期，无需手动创建DatetimeIndex：

  # 原代码
  df_XRL['Month'] = pd.DatetimeIndex(df_XRL['Date']).strftime("%b")
  df_XRL['Week day'] = pd.DatetimeIndex(df_XRL['Date']).strftime("%a")
  # 修改为
  df_XRL['Month'] = df_XRL['Date'].dt.strftime("%b")
  df_XRL['Week day'] = df_XRL['Date'].dt.strftime("%a")
  

完整修正后代码 #

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
%matplotlib inline

# 读取香港入境处口岸旅客数据
df = pd.read_csv("https://www.immd.gov.hk/opendata/eng/transport/immigration_clearance/statistics_on_daily_passenger_traffic.csv")

# 移除最后一列无效数据，筛选2023年数据并创建独立副本
df = df.iloc[:, :-1]
df = df[df["Date"].str.contains("2023")].copy()

# 转换日期格式为Datetime类型
df["Date"] = pd.to_datetime(df["Date"], format="%d-%m-%Y")

# 筛选指定重点口岸数据
options = ['Airport', 'Express Rail Link West Kowloon', 'Lo Wu', 'Lok Ma Chau Spur Line', 'Heung Yuen Wai', 'Hong Kong-Zhuhai-Macao Bridge', 'Shenzhen Bay'] 
df_clean = df.loc[df['Control Point'].isin(options)] 

# 筛选香园围口岸离港的香港居民数据，创建独立副本
df_XRL = df[df["Control Point"].str.contains("Heung Yuen Wai") & df["Arrival / Departure"].str.contains("Departure")].copy()
df_XRL = df_XRL[["Date","Hong Kong Residents"]]

# 提取月份缩写和星期缩写
df_XRL['Month'] = df_XRL['Date'].dt.strftime("%b")
df_XRL['Week day'] = df_XRL['Date'].dt.strftime("%a")

# 按月份和星期汇总数据并可视化
monthOrder = ['Jan', 'Feb', 'Mar', 'Apr','May','Jun','Jul','Aug','Sep','Oct','Nov','Dec']
dayOrder = ['Mon','Tue','Wed','Thu','Fri','Sat','Sun']

pivot_XRL = pd.pivot_table(df_XRL, index=['Month'],
                        values=['Hong Kong Residents'],
                        columns=['Week day'], aggfunc=('sum')).loc[monthOrder, (slice(None), dayOrder)]

pivot_XRL.plot(figsize = (20,8))
plt.grid()
plt.legend(loc='best');
plt.xlabel('Month',fontsize=15)
plt.ylabel('Persons',fontsize=15)
plt.rc('xtick',labelsize=15)
plt.rc('ytick',labelsize=15)
plt.legend(fontsize="x-large")

内容的提问来源于stack exchange，提问作者ronzenith